如何在低维空间中绘制分类区域？答案

【问题标题】：How to plot classification regions in a lower dimensional space?如何在低维空间中绘制分类区域？
【发布时间】：2017-06-17 03:34:30
【问题描述】：

我在一个有 8 个维度（即 8 个特征）的空间中工作。我通过应用 PCA 和 TSNE 绘制了 2D 数据点。现在我还想画出我使用的分类器的边界线，如图here 所示。顺便说一句，我使用了不同的分类器（SVM、GNB、Logistic 回归）。

这意味着我有不同的 8 维点，我使用 PCA 或 TSNE 在 2D 中绘制这些点。在这个图的顶部，我想绘制不同的分类区域，如上面的链接所示。

当然，分类边界/区域也是 8 维的。如何将分类边界/区域转换为与我的 2D 数据点匹配的 2D？

【问题讨论】：

【解决方案1】：

这里很有趣，我曾经想知道。可以通过多种方式回答，包括更多或更少的细节，具体取决于您是想完全理解还是应用该方法。

由于您没有提供太多详细信息，但包含了 sklearn 链接，我将首先从技术角度回答：“您如何使用 sklearn 做到这一点？”

你有一个函数：transform(X, y=None)，它将应用 PCA 投影（是的，PCA 是高维空间到低维空间的投影）。

所以你基本上只需要提供transform(your_boundaries) 即可应用它。

就伪代码而言，这将给出： pca = PCA(n_component=2).fit(data) 2dboundaries = pca.transform(boundaries)

等等！

不要犹豫，提供更多详细信息或提出问题。如果相关，我可以添加一些具体的开发。

希望对您有所帮助
pltrdy

【讨论】：

感谢您的回答。我知道如何应用转换，但现在剩下的问题是如何获取（和绘制）不同分类器的边界。
我可以推荐一篇关于分类器边界的优秀 sklearn 文章：scikit-learn.org/stable/auto_examples/svm/plot_iris.html 我只能解释它。对我来说，这是最好的资源。